视觉惯性里程计作为自主移动机器人和相关领域的一项重要技术,拥有广泛的应用前景。利用图像信息与惯性测量单元（Inertial Measurement Unit,IMU）信息的互补性可以更加准确地计算传感器位姿变化情况,并增强系统的鲁棒性。因此,进行视觉惯性里程计的研究具有十分重要的理论意义与应用价值。针对视觉惯性里程计在处理图像信息时,特征点正确匹配率较低的问题,改进SIFT（Scale Invariant Feature Transform）特征提取与匹配方法。通过结合图像的梯度信息提高实际纹理不同区域的描述子间的差异,并利用特征点的像素坐标信息,对相邻时刻采集到的图像间的待匹配特征点对进行筛选,从而提高特征点正确匹配率。针对使用单一图像传感器计算自身位姿时存在的鲁棒性差、尺度不确定等问题,通过结合IMU设计了一种单目视觉惯性里程计。利用改进后的SIFT特征提取与匹配算法,建立不同时刻图像间的联系。在此基础上,使用紧耦合的方式,建立视觉信息与位姿信息间的关联,并根据李群、李代数和四元数的性质计算出位姿求解所需的雅可比矩阵的具体形式。为了对所设计的视觉惯性里程计进行验证,使用数据集进行仿真实验与分析,并使用传感器和嵌入式处理器建立视觉惯性里程计硬件测试平台。分别利用手持方式和机器人装载方式在室内外环境进行实验。在公开数据集EuRoC上的仿真结果表明,所设计的单目视觉惯性里程计的绝对轨迹误差在所有数据序列上均小于0.4m,图像处理平均耗时38.86ms,位姿求解平均耗时35.27ms。在总长度为233.720m的室外环形运动实验中,终点定位误差为2.584m,误差与轨迹之比为1.1056%。在嵌入式平台上的平均位姿计算耗时在50ms内。仿真与实验结果验证了本文所设计的单目视觉惯性里程计的有效性。